59
H. Analisis Data Investasi dengan Menggunakan SEM
Gambar 4.5 Model SEM Proksi Investasi terhadap Realisasi Pertumbuhan
I. Menilai Identifikasi Model Structural Proksi Berbasis Investasi
Pengujian pertama untuk model persamaan structural adalah mengindentifikasi model. Ada tiga kemungkinan yang dapat terjadi
terhadap model SEM, yaitu : 1. model unidentified, jika nilai
2 s
t
2. model just identified, jika nilai 2
s t
3. model overidentified, jika nilai 2
s t
dimana :
t = jumlah parameter yang diestimasi s = jumlah varian dan kovarian antara variable manifest
yang merupakan q
p
1
q p
60 p = jumlah variable y indicator variable laten endogen
q = jumlah variable x indicator variable laten exogen Pengujian tersebut dapat dilakukan dengan menghitung jumlah
data kovarian dan varian dibanding dengan jumlah parameter yang akan diestimasi. Output model summary table variable counts dan table
parameter summary dapat digunakan untuk menghitung hal tersebut. Tabel 4.12
Parameter Summary Proksi Investasi Weights
Covariances Variances
Means Intercepts
Total Fixed
9 9
Labeled Unlabeled
5 1
9 15
Total 14
1 9
24 Sumber : data diolah
Pada tabel 4.12 menampilkan ringkasan parameter dalam model. Dapat dilihat terdapat 14 regression weight dimana 9 dengan nilai tetap
fixed dan 5 yang diestimasi. 9 fixed regression weight meliputi loading pertama dari 2 faktor dan 7 error term. Ada 1 kovarian dan 9 variansi yang
diestimasi. Secara total ada 24 parameter dan 15 yang diestimasi. Untuk menilai apakah model just-identified, overidentified, atau
unidentified dapat dilakukan dengan menghitung jumlah data kovarian dan varian dibandingkan dengan jumlah parameter yang akan diestimasi, yaitu
: p + qp + q +12 = 0 + 70 + 7 +12 = 28 sampel moment sedangkan jumlah parameter yang akan diestimasi 15, sehingga nilai degree of
freedomnya adalah 13 28 – 15 = 13. Jadi dapat disimpulkan bahwa
61 model yang diteliti adalah overidentified
2 s
t berdasarkan perhitungan
yang dilakukan. Namun berdasarkan hasil output bahwa model tersebut unidentified. Hal ini bisa dilihat dari hasil output di bawah ini.
Berdasarkan hasil output ini, maka kita akan mengkonstrain memberi nilai kecil pada eror, yaitu 0.005 2 nilai eror pada model
persamaan structural ini. Di bawah ini adalah gambar setelah model dikonstrain.
Gambar 4.6 Model SEM Investasi terhadap Realisasi Pertumbuhan Konstrain
Setelah mengkonstrain model tersebut, maka kita akan melihat hasil perhitungan untuk mengindentifikasi model persamaan structural
tersebut dengan menggunakan nilai-nilai yang ada di table variable counts dan parameter summary di bawah ini.
62 Tabel 4.13
Parameter Summary Proksi Investasi Konstrain Weights
Covariances Variances
Means Intercepts
Total Fixed
9 2
11 Labeled
Unlabeled 5
1 7
13 Total
14 1
9 24
Sumber : data diolah Pada tabel 4.13 menampilkan ringkasan parameter dalam model.
Dapat dilihat terdapat 14 regression weight dimana 9 dengan nilai tetap fixed dan 5 yang diestimasi. 9 fixed regression weight meliputi loading
pertama dari 2 faktor dan 7 error term. Ada 1 kovarian dan 7 variansi yang diestimasi. Secara total ada 24 parameter dan 13 yang diestimasi.
Untuk menilai apakah model just-identified, overidentified, atau unidentified dapat dilakukan dengan menghitung jumlah data kovarian dan
varian dibandingkan dengan jumlah parameter yang akan diestimasi, yaitu p + qp + q +12 = 0 + 70 + 7 +12 = 28 sampel moment sedangkan
jumlah parameter yang akan diestimasi 13, sehingga nilai degree of freedomnya adalah 15 28 – 13 = 15. Jadi dapat disimpulkan bahwa
setelah dikonstrain model yang diteliti tetap overidentified 2
s t
berdasarkan perhitungan yang dilakukan. Dan berdasarkan hasil output
bahwa model juga overidentified. Hal ini terlihat dari tidak adanya notes pada model.
63
J. Menilai Kriteria Goodness of Fit Proksi Berbasis Investasi
Kategori